基于连续小波变换及其逆变换的聚类方法
大小：0.75 MB 人气： 2018-01-15 需要积分：2
针对使用网络购物搜索量数据建立预测模型时的变量选择问题，提出一种基于连续小波变换（ CWT）及其逆变换的聚类方法。算法充分考虑了搜索量的数据特征，将原始序列分解成为不同时间尺度下的周期成分，并重构为输入向量。在此基础上通过加权模糊C均值（ FCM）方法进行聚类。变量选择是根据聚类后每个分类中的关键词隶属度函数值确定的，选择效果通过我国居民消费价格指数（CPI）的预测模型进行验证。结果表明，搜索量序列具有不同长度的周期成分，聚类后同组关键词具有明显的商品类型一致性。与其他变量选择方法相比，基于小波重构序列聚类的预测模型具有更高的预测精度，单步和三步预测相对误差仅为0. 389 l%和0.543 7%，预测变量也具有清晰的经济含义，因此特别适用于解决大数据背景下高维预测模型的变量选择问题。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于连续小波变换及其逆变换的聚类方法下载
相关电子资料下载
- 对新辅助TCHP治疗响应的HER2+乳腺癌空间蛋白质组特征 547
- Python轴承故障诊断之连续小波变换CWT介绍 2712
- 使用轮廓分数提升时间序列聚类的表现 316
- 电流谐波畸变率怎么计算？ 2131
- 小波变换是如何定义的？ 1621
- 短时傅里叶变换和小波变换差别 2322
- 小波变换与傅里叶变换的区别和联系 2339
- 基于K-means聚类算法的图像分割 1113
- 介绍一种基于最小化平方误差的聚类算法 498
- 介绍一种基于分层聚类方法的木马通信行为检测模型 1061